Questões

Pratique com questões de diversas disciplinas e universidades

6.098 questões encontradas(exibindo 10)

Página 60 de 610

Qual é o papel do dropout em redes neurais?

A

Melhorar a performance da rede utilizando dados sintéticos.

B

Evitar overfitting 'desligando' aleatoriamente neurônios durante o treinamento.

C

Aumentar a complexidade do modelo para melhorar a precisão.

D

Ajustar a função de ativação de forma adaptativa.

E

Regularizar o modelo com penalidades em parâmetros específicos.

O que é o conceito de função de perda em aprendizado supervisionado?

A

A função que define a complexidade do modelo.

B

A função que mede a precisão das previsões do modelo em relação aos dados reais.

C

A função que ajusta os parâmetros do modelo durante o treinamento.

D

A função que regula a taxa de aprendizado.

E

A função que determina a estrutura da rede neural.

O que caracteriza a Inteligência Artificial fraca (IA estreita) em comparação com a IA forte? Assinale a alternativa correta:

A
A IA fraca possui capacidades cognitivas abrangentes.
B
A IA fraca é adaptativa e dinâmica.
C
A IA fraca está em um estágio teórico e experimental.
D
A IA fraca é projetada para tarefas específicas.
E
A IA fraca imita completamente a inteligência humana.

O que caracteriza o aprendizado semi-supervisionado?

A

Um modelo que aprende exclusivamente com dados rotulados.

B

Um modelo que usa apenas dados não rotulados.

C

Um modelo que combina dados rotulados e não rotulados para melhorar a precisão do aprendizado.

D

Um modelo que realiza aprendizado por reforço em dados não rotulados.

E

Um modelo que usa apenas dados sintéticos para treinamento.

Quais são alguns dos desafios enfrentados na classificação de sentimentos?

A

A identificação de metáforas em textos

B

A ambiguidade linguística e o uso de ironia e sarcasmo

C

A contagem de caracteres em mensagens

A robótica está se expandindo para o setor de serviços, incluindo hospitais e cuidados com idosos. Qual é uma das principais funções que um robô assistivo pode desempenhar em um ambiente de saúde?

A

Realizar cirurgias complexas sem supervisão.

B

Auxiliar na mobilidade de pacientes e monitorar sinais vitais.

C

Substituir completamente os profissionais de saúde.

D

Garantir que pacientes não recebam medicamentos.

Considerando essas informações e o conteúdo estudado sobre Fundamentos da Inteligência Artificial, pode-se afirmar que um agente pode ser:

  1. um usuário que irá interagir com o sistema uma vez, podendo esse ser uma empresa, um consumidor, um funcionário ou até um fornecedor.
  2. Correta: qualquer entidade que seja capaz de perceber seu ambiente por meio de sensores e da ação em resposta à essa interação.
  3. um programa de computador que realiza tarefas específicas de forma automatizada.
  4. um robô com inteligência artificial que realiza tarefas físicas.
  5. um sistema de processamento de linguagem natural que interage com usuários.
A
um usuário que irá interagir com o sistema uma vez, podendo esse ser uma empresa, um consumidor, um funcionário ou até um fornecedor.
B
qualquer entidade que seja capaz de perceber seu ambiente por meio de sensores e da ação em resposta à essa interação.
C
um programa de computador que realiza tarefas específicas de forma automatizada.
D
um robô com inteligência artificial que realiza tarefas físicas.
E
um sistema de processamento de linguagem natural que interage com usuários.

Escolha a alternativa que indica corretamente o tipo de cruzamento utilizado na Figura 1. Note que os genes do pai 1 estão sombreados de cinza, enquanto os genes do pai 2 não estão sombreados.

A
Clonagem.
B
Cruzamento uniforme.
C
Cruzamento de dois pontos.
D
Cruzamento de três pontos.
E
Cruzamento de ponto único.

Questão 7/10 - Inteligência Artificial Aplicada
“Machine Learning atualmente é considerada como uma subárea da Inteligência Artificial, e nós devemos diferenciá-la dos métodos de Inteligência Artificial (IA) que lidam com problemas de busca, agentes inteligentes e resolução de problemas, como por exemplo fazer com que o computador consiga definir a melhor jogada em uma partida de xadrez ou encontrar a saída de um labirinto.” (Material impresso da Aula 1 – Tema 2).
Sobre ML é correto afirmar:

A
Uma grande vantagem dos métodos de Machine Learning é que o processo de aprendizagem pode ser automatizado à medida que novos exemplos são identificados e apresentados ao algoritmo.
B
Machine Learning pode ser compreendida como um conjunto de técnicas ou métodos que permitem às máquinas obter a capacidade de raciocínio líquido, utilizando o conhecimento armazenado, permitindo novas conclusões, durante a comunicação.
C
Uma grande vantagem dos métodos de Machine Learning é que o processo de aprendizagem não depende de visão computacional ligada as estruturas de busca mas sim buscas em sistemas especialistas.
D
Machine Learning não pode ser totalmente compreendida uma vez que técnicas ou métodos que permitem às máquinas obter a capacidade de raciocínio líquido, ainda não são conhecidas, nem mesmo durante a comunicação.

A respeito do uso dos sistemas especialistas, selecione a opção correta sobre o uso de ferramentas para desenvolvimento de aplicações.

A
Programar um sistema especialista envolve diversos desafios, como a interface de interação do usuário com o sistema e o algoritmo que faz o processamento dos dados e a sugestão de recomendações.
B
É uma vantagem usar de frameworks que facilitem esse processo, pois é uma forma de guiar o programador. A criatividade de uma solução depende do desenvolvedor, as ferramentas apenas dão suporte para esse processo. A validação do modelo é dependente das escolhas que foram feitas no processo de desenvolvimento. Ficar limitado a um sistema operacional é desvantajoso. A base de conhecimento está relacionada às regras do negócio e não ao processo de desenvolvimento.
C
O ideal é que a rede neural tenha a capacidade de generalizar seu comportamento. A taxa de acerto está relacionada a diversos fatores desde a base de treinamento até a arquitetura do modelo, portanto não se trata apenas de ajustes. As redes neurais artificiais são modelos probabilísticos e sua taxa de acerto pode ser medida através de testes de validação. Existem diversos fatores que podem influenciar o aprendizado do modelo, mas já existem muitos estudos que ajudam a ajustar esses parâmetros. Uma das desvantagens das redes neurais é explicar as soluções a partir da estrutura do modelo. Medir a taxa de acertos está relacionado aos testes de validação da rede e não à arquitetura dela. As redes neurais são aplicadas para resolver diversos problemas práticos.